一种鲁棒的室外移动机器人路标定位系统

针对移动机器人室外作业需要,提出了一种对光照度的大范围变化具有良好鲁棒性的路标识别与定位系统.通过近红外光主动照明来降低可见光照度变化和阴影等因素对视觉的影响;利用全景视觉系统获取大范围的路标信息,采用动态大津法实现二值化,突出了光照度不均情况下的路标特征,以提高路标的识别率.室外环境下移动机器人定位实验结果表明,该方法对于大范围变化的光照度具有良好的鲁棒性.     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

交比不变量在机器视觉中的误差分析及应用

研究成像过程中交比不变量的误差问题.介绍了如何利用两个黑条来构造共线4点的交比;分析了图像像素噪声对交比值精度的影响;给出了一个与摄像机外部参数有关的交比误差不等式,得到了交比误差上下限.利用交比不变性设计了一种结构简单的新型人工路标,这种路标对各种视角及变光照条件下的检测具有很高的鲁棒性.真实图像的检测结果表明,这种人工路标易于识别,被检速度快而准.这对单目自主移动机器人基于人工路标的视觉定位与导航具有重要的实际应用价值.     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法.在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别.通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航.     

探测车基于可视路标的全局定位

基于全景视觉的定位系统采用可视人工路标作为定位依据.为避免复杂的路标制作过程,提高导航的灵活性和方便性,采用简单的彩色立方体作为定位路标.同时,为避免路标的误识别导致误定位,提出了利用路标组特征匹配的方法,提取路标组中具有尺度不变性和旋转不变性的路标组特征进行路标识别,且利用路标组里的路标信息通过3点定位原理得到探测车当前的位置,结合人机交互的路径规划判断定位的可信度,提高定位的正确度,保证车子的安全性.通过软件仿真和现场实验,证明了该视觉定位系统可避免以往基于可视路标定位存在的不稳定性,大幅度减少了定位错误概率.     

基于障碍物地平角点的移动机器人定位*

提出了一种移动机器人快速定位方法。该方法在水平面假设的前提下,采用Harris Laplace算子并结合快速均值漂移和立体视觉方法,构建了一个障碍物地平角点提取算法取得特征角点,再以提取的障碍物地平角点为路标点,利用自适应粒子滤波方法融合路标点的深度和位置信息,实现了移动机器人高效快速和较为精确的定位。由于路标点（障碍物地平角点）数量大幅度减少,大大降低了定位算法计算的复杂度。实验的结果证明了上述方法是行之有效的。     

基于双目视觉的移动机器人动态目标识别与定位

提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明:该方法在摄像机运动-目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。     

一种基于视觉信息的自主搬运机器人

提出了一种利用视觉信息进行定位和抓取的自主机器人搬运系统,此系统由带有两自由度操作手的轮式移动机器人和远程控制站组成。机器人利用视觉系统识别路标信息,采用MonteCarlo方法进行自定位。当靠近目标物体时,机器人利用视觉系统识别目标,并在利用该信息引导下自动抓取。由于机器人的运行是靠视觉系统获取的路标信息和目标物体信息引导的,同时具有遥操作控制功能,因此该系统能轻松完成复杂环境下搬运物体的任务。     

基于图像视觉伺服的移动机器人自主导航实现

提出了一种基于移动机器人双目摄像头的图像视觉伺服方法,实现了基于图像视觉伺服的移动机器人自主导航.当匹配图像特征点时,采取KLT算法和基于Harris算子角点检测与匹配算法相结合的方法,大幅优化了整个工程的运行时间,并结合RANSAC算法剔除误匹配的特征点对,使机器人能够精确地定位.实验结果证明该方法有效、正确.     

基于双目立体视觉的目标空间坐标计算及姿态估计

基于双目立体视觉的目标空间坐标计算及姿态估计方法、双目立体视觉系统标定和双目视觉系统校准技术,构建了三维场景中目标的空间坐标与图像中点像素坐标的对应方法.通过双目立体视觉系统采集目标图像,采用基于半全局立体匹配(SGBM)方法,实现了目标中心点三维坐标的计算,并通过背景差分的手段获得目标轮廓,获取目标在水平面的旋转角度,配合焦点所处的坐标位置标示,即可提取目标姿态信息.采用以上方法对电力仪表的姿态进行估计和验证,结果表明:设计的方法可以完成电力仪表的空间坐标计算以及姿态估计,可实现对电力仪表的准确抓取,为机器人在电力系统人工智能领域的应用提供参考.     

双目视觉立体匹配技术研究现状和展望

立体匹配技术是双目立体视觉研讨的核心问题,在许多领域有着不同的应用,在算法方面更是涌现出各种各样的方法。对立体匹配发展现状进行了阐述,首先介绍了立体匹配技术的有关原理,然后对立体匹配中的区域立体匹配算法、全局立体匹配算法以及半全局立体匹配算法进行了论述和探讨;并总结了各类立体匹配算法的特点。最后对立体匹配算法进行了展望,同时给出了发展方向的建议。     

双目立体机器视觉检测系统及其应用

为了快速准确地获得被测物体的三维立体尺寸,双目立体视觉检测系统是有效解决方案之一。经过精密标定的双且视觉系统,可根据两摄像机的视差,准确计算空间物体的三维形貌尺寸。双目视觉系统的标定技术及立体匹配技术是决定测量数据质量的关键环节。设计了高精度视觉标定系统,有效解决了立体匹配的难题,所开发的便携式立体测量仪,可以快速准确地获得大型物体的稠密三维坐标点云。在不喷涂显影荆的情况下,解决了黑色物体和反光物体的三维测量难题,可广泛应用于摩托车、汽车、模具、服装鞋帽以及逆向工程设计中。以逆向工程的3D轮廓测量为例,介绍了双目立体视觉技术及其应用。。     

模型基计算机视觉中的假设－验证策略

本文提出了一种以层次化假设－验证为识别策略，基于模型的计算机视觉方法（ＭＢＣＶ），这种方法将ＭＢＣＶ与立体视觉结合在一起，互补相益。进而提出了由初始假设、姿态估计、高层验证和低层验证４部分组成的实施方案，本系统具有两个突出的特点：一是系统不苛求低层处理，能一次提取大量信息以支撑高层识别；二是强的系统容错能力，这两个特点大大减轻了低层处理的压力，并且改善了鲁棒性，实验证明，本系统在带噪和遮挡情况下都能正常工作。     

机器人双目图像实时立体匹配算法

针对移动机器人平台上的双目视觉深度信息获取问题,研究了一种适用于动态图像序列的双目图像立体匹配算法.采用成熟的半全局立体匹配算法对图像快速立体匹配;分析了在复杂环境下的运动平台上完成立体匹配所面临的主要噪声干扰,包括白斑噪声和断层闪烁噪声;为此,分别提出了白斑滤波算法和视差图时间域滤波方法以抑制这两种噪声.试验结果表明,所提出的算法能够有效抑制动态双目图像在立体匹配时的噪声干扰,最终能够实时获得连续清晰的视差图序列.      

用BP神经网络构成三维视觉测量系统的新方法

提出一种基于人工神经网络的新的三维视觉测量方法，建立在三角测量原理上的传统的三维立体视觉测量技术会带入成像畸变非线性误差，这种新方法可以消除非线性因素的影响，采用正弦函数作为传递函数加快了网络的训练速度，提高了学习精度，对空间点位和尺寸测量的结果验证了方法的可行性，对影响系统测量精度的因素进行了讨论，并与传统立体视觉测量方法进行了比较。     

立体视觉双目图像MAP的优化复原方法

为了有效地对立体视觉双目模糊图像进行复原,提出一种动目标双目图像MAP的优化复原方法,将双目运动模糊图像的复原问题转化为在模糊核路径关系约束下的双重循环MAP优化估计问题,在保证模糊核路径对应关系前提下,对双目图像进行去模糊。建立了双目图像模糊核路径的对应关系模型,将关系模型作为约束条件式,嵌入到基于模糊核和双目原图像的MAP优化估计过程中,通过双重循环迭代获取双目图像的模糊核和清晰图像。实验结果表明,该方法能够有效地去除立体视觉双目图像的模糊。     

基于四目系统的复杂表面高精度密集空间点云获取方法

在敦煌莫高窟文化遗产数字化保护中,针对基于立体视觉的方法对目标进行三维重建时,复杂表面缺乏特征点,难以获取高密度和高精度空间三维点云的问题,提出了一种基于投影和四目立体视觉的方法。首先,采用投影仪向目标投射黑白棋盘格,并检测角点;然后通过软件细分,将棋盘格在横向和纵向分别平移9次,将棋盘格角点数扩展81倍;最后,用基于四目立体视觉系统的匹配策略,短基距系统用来立体匹配,长基距系统用来计算空间坐标,获取均匀、高密度和高精度的三维点云。实验结果表明:与传统的Harris算子相比较,所提方法获取的三维点云数据能更准确地描述目标的三维结构,点数在数量级上有提高。精度方面,所获取三维点云空间坐标的绝对误差小于1 cm,相对误差小于10%。     

视觉仿生与立体视觉测量

仿生学是一门崭新的边缘尖端科学 ,立体视觉是获取空间三维场景深度信息的一个重要手段 ,基于仿生学的图像测量技术直接模拟了人类视觉处理景物的方式 ,可以在多种条件下灵活地测量景物的深度信息。文章从双眼视觉机理及模型出发 ,介绍了视觉仿生测量原理 ,综述了利用视觉测量技术进行立体测量的主要方法、手段及应用前景。     

双目立体视觉匹配的预处理技术

针对双目立体视觉图对区域匹配应用中存在的问题, 提出一种三阶段的匹配预处理方法. 该方法将小波阈值去噪算法和直方图均衡化技术相结合, 有效地去除了图像随机噪声和高斯噪声, 实现了立体图对间亮度差异的平衡, 并经过拉普拉斯锐化处理提高了图像对的对比度. 实验结果表明, 三阶段匹配预处理算法可有效提高立体图对间的匹配准确率.